非协作多用户短码直扩信号伪码估计.pdf

第43卷第3期2023年5月DOI:10.13954/ki.hdu.2023.03.002杭州电子科技大学学报（自然科学版）Journal of Hangzhou Dianzi University(Natural Sciences)Vol.43 No.3May 2023非协作多用户短码直扩信号伪码估计王勃，沈雷，卢英俊，宋艺天，盛特奇（杭州电子科技大学通信工程学院，浙江杭州310 0 18)摘要：在非协作短码直扩通信下，非整数倍码元速率采样时，多用户信号的伪码估计往往不准确。为此，提出一种结合伪码延迟自相关法和主特征独立分量分析法的伪码估计方法。首先，采用平方谱法估计多用户信号载波频率，并采用延时相乘一自相关法估计多用户信号的伪码速率；然后，运用伪码速率估计值对多用户信号进行采样率转换，并采用时域延迟自相关法估计伪码周期；最后，根据伪码周期估计值，运用伪码延迟自相关法寻找采样率转换后多用户信号中伪码信息段的起始点，提取伪码信息段，构建盲源分离模型，运用主特征独立分量分析法对建模后的伪码信息矩阵进行分离，得到多个用户的伪码。仿真实验结果表明，在非协作短码直扩通信下，该估计方法的单用户直扩信号的伪码估计误差低于滑动窗口法，多用户直扩信号的伪码估计误差低于基于ICA的多用户伪码估计方法和滑动窗口法。关键词：伪码延迟自相关方法；主特征独立分量分析；伪码估计中图分类号：TN914.42文献标志码：A文章编号：10 0 1-9146（2 0 2 3)0 3-0 0 0 9-0 70引 言直接序列扩频通信具有强抗窄带干扰能力和高保密性等优势，广泛应用于民用通信和军用通信。在直扩通信接收端，用户伪码估计需求增大。直扩通信接收端用户伪码的估计方法主要有本原多项式估计法、特征值分解法、子空间跟踪法、神经网络法等。文献1采用高阶谱分析和相关函数估计伪码的本原多项式，实现单用户信号的伪码估计，但计算量较大且仅适用于单用户信号。文献2 提出一种基于自相关矩阵特征值分解的伪码估计方法，提高了低信噪比下多用户信号的伪码估计性能，但采用矩阵特征值分解，运算量较大。文献3 采用子空间跟踪法估计多用户伪码，通过自适应迭代计算使权值收敛到主特征向量，避免了特征值分解，减小了运算量，但易受信噪比的影响。文献4运用多主分量神经网络对多用户伪码进行估计，运算快，效率高，但低信噪比下的网络收敛速度不佳，致使伪码估计性能下降。文献5采用基于盲源分离建模的独立分量分析法估计多用户信号伪码，提高了低信噪比下的伪码估计性能，但易受用户数和频偏的影响。上述方法都是在已知精确伪码速率的情况下进行伪码估计，在非协作通信下，伪码速率估计不准确时，伪码估计性能下降。为此，文献6 根据伪码自相关特性，先采用滑动窗口法提取伪码段，再利用伪码速率估计值对伪码段进行采样率转换，经过判决得到伪码估计序列，无须已知精确的伪码速率，解决了伪码速率估计误差带来的数据偏差，但取出伪码段后再进行采样率转换，没有从根本上解决采样率转换带来的时延问题，且不支持多用户信号的伪码估计。针对上述问题，本文提出一种结合伪码延迟自相关法和主特征独立分量分析法的伪码估计方法。1多用户信号的参数估计本文提出的结合伪码延迟自相关法和主特征独立分量分析法的伪码估计方法先对多用户信号进行收稿日期：2 0 2 2-0 3-2 9作者简介：王勃（1997 一），男，研究方向：信号处理与识别。E-mail:。通信作者：盛特奇，工程师，研究方向：信号处理、信号系统。E-mail：3598 6 7 2 2 q q.c o m。10参数估计，再根据参数估计值，采用结合伪码延迟自相关法和主特征独立分量分析法的方法估计多用户伪码。参数估计先采用平方谱法门估计多用户信号的载波频率，对信号进行下变频处理后，运用延时相乘-自相关法8 估计伪码速率；再根据伪码速率估计值对信号进行采样率转换，运用时域延迟自相关法9估计伪码周期。1.1多用户信号的载波频率估计根据平方处理后的多用户信号在二倍频位置出现的谱峰特性，采用多段频谱叠加的方式降低噪声的影响，通过二倍频谱峰来估计多用户信号的载波频率。接收端得到的K个用户信号的数学模型表达式为：Kr(nT.)-2s(nT,)+N(nT)=)k=1k=1式中，n为采样点数，Ti为非整数倍码元速率采样周期，s（n T 1）为第k个用户的扩频信号分量，p为第k个用户的信号幅度，bk（n T i）为第k个用户的信息码元序列，c（n T i）为第k个用户的伪码序列，f。为多用户信号的载波频率，N（n T 1）为加性高斯白噪声分量，其均值为0，方差为。对r(nT1）进行平方处理，化简后得到：Kkjk2(2s(nT.)N(nT,)+N(nT,)K式中，右边第1项为第k个用户的基带项，第2 项为第k个用户的二倍频项，下标i表示序号大于k的第j个用户，第3项为噪声项。根据式（2）的推导结果可知，多用户信号的平方结果与单用户信号的平方结果类似，都存在二倍频项，故可根据二倍频项得到多用户信号的载波频率估计值于。1.2多用户信号的伪码速率估计根据多用户信号的自相关特性，采用延时相乘-自相关法估计下变频后的多用户信号的伪码速率。先对多用户信号延迟相乘的结果进行功率谱分析，采用多段叠加来降低噪声的影响，再通过搜索功率谱中相应谱峰得到多用户信号的伪码速率估计值。根据式（1）接收信号的数学表达式，下变频后的K个用户信号为：ri(nT1)=prba(nT,)(nT,)cos(2元fnTI)+N(nTi)k=1式中，f为剩余频偏值，延迟相乘后得到：ri(nT)r(n-m)T)=Acos(2元f(2n-m)T)+式中，N（n T i）为噪声项，m为延迟的采样点数，其包络信息A为：A=Zprba(nT,)c(nT)plb(n-m)T)ca(n=m)T.)k=1根据式（4）推导结果可知，式中第1项与式（1）接收信号表达式类似，其包络中包含伪码速率信息，第2 项等效为噪声项。多用户信号延时相乘结果与单用户信号延时相乘结果类似，包络中都包含伪码速率信息 ，故可根据延迟相乘结果的功率谱中的离散谱线位置得到多用户信号的伪码速率估计值R，用于后续采样率的转换。1.3采样率转换为了便于伪码周期估计和伪码信息段提取，对下变频后的非整数倍码元速率采样的信号进行分数杭州电子科技大学学报（自然科学版）K2pub(nT,)c(nT,)cos(2元f.nT,)+N(nT,)K-1k=1KK2023年(1)KikK-1Acos(2元fmT,)+N(nT,）（4)(5)(2)(3)第3期倍采样率转换。对下变频后的多用户信号ri（n T 1）,其中信号采样频率为fi=1/Ti，f i/R为除不尽的分数，先进行B倍的内插，再进行A倍的抽取。为了消除内插和抽取带来的失真和干扰，将内插抽取后的信号进行内插和抽取滤波器级联的低通滤波，滤除干扰后，得到采样率为f：=k R的多用户信号ri（n T：），其中k为整数，级联的低通滤波器的频率响应为：(6)其他式中，A和B为互质整数，j代表复数形式，w为角频率。1.4多用户信号的伪码周期估计根据多用户信号的周期自相关特性，采用时域延迟自相关法估计采样率转换后的多用户信号伪码周期，并采用多段叠加来降低噪声的影响，计算得到周期性谱峰的间隔即伪码周期估计值，其数学推导如下：R(mT.)=Er(nT.)n(n-m)T.)=E(s(nT.)s(n-m)T.)式中，T：=1/f：为采样率转换后的采样周期，ri（n T：）为采样率转换后的多用户信号。根据式（7）推导结果可知，多用户信号经过延时相乘后的自相关结果与单用户信号延时相乘的自相关结果类似，都呈现周期性的相关谱峰9，故可通过计算相关谱峰的间隔得到伪码周期估计值L，用于后续伪码信息段的提取。2维结合伪码延迟自相关法和主特征独立分量分析法的伪码估计方法使用伪码速率估计值对多用户信号进行采样率转换存在数据偏差和时延问题，为了解决这一问题，本文在参数估计值的基础上，先根据伪码周期估计值，采用伪码延迟自相关法估计采样率转换后伪码信息段的起始点，得到多段伪码信息段，将伪码段构成观测矩阵；再采用主特征独立分量分析法从观测矩阵中分离出多个用户的伪码。2.1基于伪码延迟自相关法的伪码起始点估计根据伪码速率估计值进行采样率转换时会带来数据偏差和时延问题，使得采样率转换后信号内部伪码信息段的起始点出现偏差，如果直接按序提取伪码信息段，取出的伪码信息段会出现残缺10 。本文根据伪码的自相关特性，采用伪码延迟自相关法寻找采样率转换后多用户信号中准确的伪码信息段的起始点，解决了伪码信息段残缺和时延问题。伪码延迟自相关法的处理流程如图1所示。起始点移动的长度D王勃，等：非协作多用户短码直扩信号伪码估计J1|z|min(元/B,元/A)H(ei):k一11(7)r2r3自相关长度波动；自相关第一段自相间长度关长度的起41始点1第二段自相第二段自相关长度的波关长度的波动起始点动起始点1+L-d1+L+d图1伪码延迟自相关法的处理流程图一12由于2 个伪码信息符号对齐时会出现较大的相关峰值，所以，本文设置2 段自相关长度，长度都为L,其中第1段自相关长度的起点为1,第2 段自相关长度的起点在1+L一d,1+L十d范围内移动，其中d是为了规避采样率转换带来的数据偏差设置的波动长度。当第1段自相关长度的起点移动1个采样点，第2 段自相关长度的起点移动1+L一d,1+L+d的长度，分别计算这2 段自相关长度的相关值，得到1个相关值数组，取其中绝对值最大的作为起点在当前采样点的相关值。此时起始点在q点的相关值R表示为：R,=max(dLi=1式中，q为起始位置对应的采样点，D为起始点移动的总长度，ri（i）为采样率转换后的多用户信号。由于伪码速率估计偏差较小，在短时间内带来的数据偏差较小，故本文将d设置在一2,2 内。逐个移动自相关长度的起点，当前后相关值的单调性发生改变时，所对应的采样点即为伪码信息段的起始点。延迟8 个采样点的2 个用户信号，其伪码周期估计值L=127,D为8 0，采用伪码延迟自相关法得到相关值曲线如图2 所示。从图4可以看出，在第9个采样点出现单调性跳变，故伪码信息段起始点为第9个采样点。本文采用伪码延迟自相关法得到相关值曲线，寻找相关值曲线单调性变化时对应的采样点即可找到采样率转换后的多用户信号内部伪码信息段起始点，提取出多段伪码信息段，用于后续多用户伪码的分离。2.2基于主特征独立分量分析法的伪码估计本文采用主特征独立分量分析法从伪码信息段中分离出多个用户的伪码。首先，根据提取的伪码信息段作为伪码观测向量，构建盲源分离矩阵模型；然后，对观测矩阵进行主特征降维处理；最后，采用独立分量分析法从降维后的观测矩阵中分离出多个用户的伪码，具体原理分析如下。将运用2.1节方法得到的P个伪码信号段作为伪码观测向量，假设此时第p个伪码观测向量为：r,=-(p-1)L+1),r(p-1)L+2),.,r(pL)(p=,2,3.,P)(9)式中，p为伪码观测向量序号，P为提取的伪码信息段总个数，根据式（1）和式（9）的结果，将伪码观测向量建模为：(10)式中，r，为观测矩阵，V，为第p个信息码元采样时刻的高斯白噪声向量，矩阵G由含频偏的多用户伪码序列组成，G=LpiCi,1piCi.Q，,p Ck.1p i Ck Q，,p k Ck.1,p k Ck.Q x 2 k，下标I和Q分别代表同向分量和杭州电子科技大学学报（自然科学版）Zri(i+q)ri(i+q+L+d)1.00.90.8一70.60.50.40.30.20.10.00图2伪码延迟自相关法的相关值曲线rp=GBp+Vp2023年(q E 1,D)(8)1020304005060 7080起始点移动的点数第3期正交分量，B由含频偏的多用户的第p个信息码元向量组成，B，=b p.1,1,b p.1.Q，b p.k,1，b p.k.Q，bp,K.1,bp.K.QJEkx1 对第k个用户信号的G和B展开，得到：Ch.=ec(1)cos(2元fT,(L-1),c(2)cos(2元fT,(L-2),c(L)cos(2f T,(L-L)C.=ec(1)sin(2T。(L-1),c(2)s i n(2/T,(L-2),c(L)s i n(2 元AJT,(L-L)式中，Cs.；为第k个用户的第i个含频偏的伪码向量，bp.k；为第k个用户中第p个信息码元的第i个含频偏的信息向量。经过频偏纠正后，G中的Ck,Q分量的能量较小，G近似K个用户的伪码序列构成。因此，本文采用主特征独立分量分析法，舍弃能量较小的正交分量，将信号投影到能量大的同向信号分量方向上，使多用户信号的主要信息聚拢在同向分量上。通过对观测矩阵r，的协方差矩阵进行特征值分解，得到特征值和特征向量如下：(15)k=1Us=ui,u2,.,ukU=uk+1,uk+2,u_Ds=diag(i,2,入k)D=diag(入k+1,K+2,入r)式中，Ek,；=Ck,；l /N为含频偏的伪码序列的能量，l为取向量的2 范数，k,=Ck;/Ck为归一化伪码向量，I为单位矩阵，Us为信号子空间，U为噪声子空间，O为全0 矩阵，u为特征向量，Ds为信号特征值,D为噪声特征值，入；为矩阵的特征值。将观测矩阵投影到同向方向，得到降维后的观测矩阵Z,为：(20)对观测矩阵降维处理后，采用主特征独立分量分析法搜索出1个正交矩阵W=w i，W 2，,wk分离出Z，中多个用户的伪码序列。首先，将初始向量w设置为单位长度的随机向量；然后，利用非高斯的负熵准则，进行迭代计算分离向量w5为：(21)式中，g（）=为非线性函数，e=1,2，,K，迭代过程中，为了防止重复的分离向量出现，每次迭代计算后，对结果向量进行正交化和归一化处理，其处理表达式为：(22)j=1如果w。没有收敛，则将w=w。代入式（2 1）和式（2 2)，重复上述操作，直到e=K结束整个迭代过程。迭代收敛后得到分离矩阵W,此时满足WD,UTG=I,由于信号子空间的能量远大于噪声子空间的能量，噪声子空间可近似不计，此时GGT=UsDsUS成立，得到G的估计矩阵G为：(23)王勃，等：非协作多用户短码直扩信号伪码估计bp.k.I=be(p1)L+1)cos(2元fLTap)br.k.=b(p-1)L+1)sin(2元fLTsp)Rrg,=2rr=Us,Uv0DNLUH力-1KZ,=D,tUGB,+D,UTV,W。=E(Zp g(w T Zp)-E(g(w T Z,)ww.(k+1)=w.(k)-(w(k)w,)wj w.=w./w.G=UsDsW13LX1(11)JiX1(12)(13)(14)Ds(16)(17)(18)(19)14杭州电子科技大学学报（自然科学版）2023年结合式（2 3）和式（10），得到G为LXK的由多个用户伪码向量组成的矩阵，从中可分别提取出多用户的伪码估计序列。3仿真实验与分析使用中国电子科技集团第三十六研究所采集的实际直扩信号进行仿真测试，基本参数为：伪码速率R=127kbps，伪码周期L=127，信息速率R,=1kbps，采样频率fi=1MHz，载波频率f。=3k H z，伪码为最长线性移位寄存器序列，调制方式为二进制相移键控（BinaryPhaseShiftKeying，BPSK）。3.1单用户信号的伪码估计在不同输人信噪比下，分别采用本文提出的结合伪码自相关法和主特征独立分量分析法的伪码估计方法和滑动窗口法6 对单用户信号的伪码进行估计。分别进行50 0 次蒙特卡洛实验，取仿真结果的平均值，得到2 种方法的单用户信号伪码估计误差如图3所示。10-10210-3一*一滑动窗口法一一本文方法104-1图3不同信噪比下，不同方法的单用户信号伪码估计误差根据图3的误差值进行数值换算，输入信噪比为一1dB时，和滑动窗口法相比，本文方法的伪码估计误差降低了9 dB。伪码信息段提取过程中，滑动窗口法先使用伪码速率估计值进行采样率转换，再提取伪码序列，没有从根本上解决使用伪码速率估计值进行采样率转换带来的数据偏差和时延问题；而本文方法先采用伪码延迟自相关法提取采样率转换后多用户信号中的伪码信息段，再通过主特征独立分量分析法实现伪码估计，有效解决了这一问题。3.2多用户信号的伪码估计从中国电子科技集团第三十六研究所采集的直扩信号中选取含有2 个用户的直扩信号，基本参数不变，存在2 个用户信号叠加情况。在不同输入信噪比下，分别采用本文方法、基于ICA的多用户伪码估计方法5、滑动窗口法6 进行10 0 0 次蒙特卡洛实验，取2 个用户的伪码估计误差的统计平均，得到3种方法的多用户信号的伪码估计误差如图4所示。根据图4的误差值进行数值换算，输人信噪比为一1dB时，和滑动窗口法相比，本文方法的多用户伪码估计误差降低了6 dB。伪码信息段提取过程中，滑动窗口法无法对多用户伪码信息段进行分离，不能估计多个用户的伪码；而本文方法提取出多用户信号中的伪码信息段后，通过主特征独立分量分析法实现了多用户伪码信息段的分离。和基于ICA的多用户伪码估计方法相比，本文方法的多用户伪码估计误差也降低了6 dB。在伪码信息段提取过程中，基于ICA的多用户伪码估计方法使用伪码速率估计值进行采样率转换后直接对伪码信息段进行分离，没有解决使用伪码速率估计值进行采样率转换存在的数据偏差和时延问题；而本文方法先采用伪码延迟自相关法提取采样率转换后多用户信号中的伪码信息段，再通过主特征独立分量分析法实现伪码估计，有效解决了这一问题。01信噪比/dB234第3期王勃，等：非协作多用户短码直扩信号伪码估计101510-1一一基于ICA的多用户伪码估计方法5一*一滑动窗口法6 一一本文方法102-1图4不同信噪比下，不同方法的多用户信号伪码估计误差4结束语本文根据伪码自相关特性和主特征独立分量分析法，提出一种结合伪码延迟自相关法和主特征独立分量分析法的伪码估计方法，有效解决了非协作通信下非整数倍码元速率采样时的多用户信号伪码序列估计不准确的问题，提高了伪码估计的性能，且无须已知精确伪码速率等参数。但是，本文方法采用伪码自相关法提取伪码段，易受信噪比影响，后续将针对低信噪比下的多用户信号伪码估计展开进一步研究。01信噪比/dB234参考文献1 HILL P C J,RIDLEY M E.Blind estimation of direct-sequence spread spectrum m-sequence chip codesCJ/Proceedings of 2000 IEEE Sixth International Symposium on Spread Spectrum Techniques and Applications.IEEE,Parsippany,NJ,USA,2000:305-309.2 BUREL G,BOUDER C.Blind estimation of the pseudo-random sequence of a direct sequence spread spectrum signalCJ/Proceedings of 2lst Century Military Communications.IEEE,Los Angeles,CA,USA,2000:967-970.3马超，张立民，王建雄.基子空间跟踪的长码直扩序列盲估计J.计算机与数字工程，2 0 14，42（2）：2 2 3-2 2 6.4 HONG X,GONG Y.A constrained recursive least squares algorithm for adaptive combination of multiple modelsCJ/2015International Joint Conference on Neural Networks(IJCNN),Killarney,Ireland,2015:1-6.5李思佳.低信噪比下直扩信号检测与参数估计技术研究D.哈尔滨：哈尔滨工程大学，2 0 19.6 吴培培，史英春，张曼.基于重采样技术的短码直扩信号伪码估计J.探测与控制学报，2 0 18，40（2）：135-140.7 王猛.直接序列扩频信号参数及扩频序列估计算法的研究D.南昌：南昌大学,2 0 18.8万方鹏.直接序列扩频信号检测与参数估计及DSP实现D.哈尔滨：哈尔滨工程大学，2 0 19.9J CHANG T Q,ZHOU ZZ.A spectral method for periodic estimation of the PN sequences in lower SNR DS-CDMAsignalsC/IEEE 2002 International Conference on Communications,Circuits and Systems and West SinoExpositions,Chengdu,China,2002:506-510.1oJ YU Z,HAO W,YONG C.Period estimation of PN sequence for weak DSSS signals based on improved powerspectrum reprocessing in non-cooperative communication systems CJ/2012 International Conference on ControlEngineering and Communication Technology,Shenyang,China,2012:924-927.(下转第54页）54Modeling and simulation of mechanical ventilator system based on Simscape(School of Automation,Hangzhou Dianzi University,Hangzhou Zhejiang 310018,China)Abstract:a Simulink model based on Simscape is proposed to simulate two typical modes of volume-controlledventilation and pressure-controlled ventilation.The key components of the mechanical ventilator system arestudied,and then a Simulink model of the mechanical ventilator system is built based on the existing Simscapecomponents according to the pneumatic scheme of the mechanical ventilator.The model mainly contains thepneumatic circuit of the mechanical ventilator system,and the pneumatic components such as turbine fan,proportional valve,check valve,pressure relief valve,etc.In the simulation experiment,the airway pressure,inspiratory/expiratory flow and tidal volume of the lung model can be clearly observed.Simulation results showthat the mechanical ventilator system model can accurately and effectively reflect the interaction betweenthe mechanical ventilator and the patients lung.Therefore,the model can be used to simulate mechanicalventilation.Key words:mechanical ventilator;Simscape;Simulink;ventilation mode杭州电子科技大学学报（自然科学版）XU Lixin,WANG Jiajun2023年(上接第15页）Pseudo-code estimation of non-cooperative multi-usershort code direct spread signalWANG Bo,SHEN Lei,LU Yingjun,SONG Yitian,SHENG Teqi(School of Communication Engineering,Hangzhou Dianzi University,Hangzhou Zhejiang 310018,China)Abstract:In the non-cooperative short-code DSS communication,the pseudo-code estimation of multi-user signal is often inaccurate when the non-integer multiple symbol rate is sampled.Therefore,apseudo-code estimation method combining the pseudo-code delay autocorrelation method and the prin-cipal feature independent component analysis method is proposed.Firstly,the carrier frequency ofmulti-user signal is estimated by the square spectrum method,and the pseudo-code rate of multi-usersignal is estimated by the delay multiplication-autocorrelation method.Then,the pseudo-code rate es-timation is used to convert the multi-user signal sampling rate,and the time domain delay autocorrela-tion method is used to estimate the pseudo-code period.Finally,according to the estimated pseudo-code cycle value,the pseudo-code delay autocorrelation method is used to find the starting point of thepseudo-code information segment in the multi-user signal after sampling rate conversion,and thepseudo-code information segment was extracted to construct the blind source separation model.Themodeled pseudo-code information matrix is separated by the principal feature independent componentanalysis method,and the pseudo-code of multiple users is obtained.Simulation results show that un-der the non-cooperative short-code DSS communication,when the input SNR is-1 dB,the pseudo-code estimation error of single-user signal is reduced by 9 dB compared with the sliding window meth-od,and the pseudo-code estimation error of multi-user signal is reduced by 6 dB compared with themulti-user pseudo-code estimation method based on ICA and the sliding window method.Key words:pseudo-code delay autocorrelation method;principal feature independent component analy-sis;pseudo-code estimation